基于影响因子筛选和GWO-KELM的大坝变形预测模型

摘要： 为构建高精度大坝变形预测模型，引入基于最大信息系数特征筛选方法（MIC-CFS）对大坝变形影响因子进行筛选，减少冗余信息，降低模型复杂度。同时运用灰狼优化算法（GWO）对核极限学习机（KELM）的正则化系数和核参数进行寻优，提高模型预测精度，建立基于MIC-CFS-GWO-KELM的大坝变形预测模型。以某混凝土双曲拱坝实测资料对模型进行测试，结果表明，所建模型在均方根误差、平均... （共7页）